R语言----逻辑回归实例（R包mtcars数据集举例）

简单逻辑回归模型可以先参考这篇文章学习下
https://blog.csdn.net/weixin_41744624/article/details/105506951

数据预览

我们使用的是R自带包mtcars中的数据来举例，其中响应变量（y）是数据集中的"am"

异常值检验

首先来检查一下数据集的异常值（缺失、离群、重复），需要根据数据的具体情况确认是否去除，本例中不考虑重复值

离群值
可以选择箱线图，mvoutlier包中的sing2等函数
在此我们选择箱线图演示，绘制数据集中预测变量（x）与am的关系，查看有无离群值：

boxplot(mtcars$mpg~am,mtcars)

缺失值

rowSums(is.na(raw_data))

缺失值处理可以采取如下分割数据集策略，本例中没有缺失值：

>d_n <- raw_data[which(rowSums(is.na(raw_data)) > 0),]
>d_nn <- raw_data[-which(rowSums(is.na(raw_data)) > 0),]

提取数据，分割训练集，测试集

d <- raw_data
# 保证实验可重复性
set.seed(110)
train <- createDataPartition(y=d$am,p=0.8,list=FALSE)

d_train <- d[train,]
d_test <- d[-train,]

回归模型建立

创建逻辑回归模型，首先考虑所有的相应变量与预测变量（am）的模型初步建立是否成功：

glm <- glm(am~.,family = binomial(link ='logit'),data = d_train)

发现警告：拟合概率算出来是数值零或一
拟合出来的值全都是0或者1，说明出现了过拟合的状态，过拟合的原因是噪音或者数据集太少，我们在前面判断的时候已经排除了离群值，所以可能原因应该是数据集太少造成的。

出现错误的解释可以参照这篇文章：
https://www.cnblogs.com/runner-ljt/p/4574275.html

回想一下，R包数据集中的变量有十几个，但是数据集却很少，难免会造成过拟合状态，所以我们选择使用逐步回归分析删除部分不重要的变量，逐步回归分析是以AIC信息统计量为准则（可以搜索赤池准则），通过选择最小的AIC信息统计量，来达到删除或增加变量的目的。

关于逐步回归分析可以参考我的这篇文章：
https://blog.csdn.net/weixin_41744624/article/details/105725381

逐步回归分析

logit.step <- step(glm, direction = "both")

drop1(logit.step)

我们观察到其中"gear的AIC也较为高，我们选择去除"

新模型建立及预测结果

# 使用去除变量后的数据进行模型训练
glm <- glm(am ~ qsec+carb,family = binomial(link ='logit'),data = d_train)
#预测模型
pre_test=predict(glm,newdata=d_test,type="response")
#返回预测模型和原数据的混淆矩阵，查看预测结果
confusionMatrix(as.factor(num_test),as.factor(d_test$am))

可以看出模型的准确率在83％左右